Mô hình hỗ trợ ra quyết định đầu tư trong các dự án xây dựng nhà máy năng lượng tái tạo

hình hỗ trợ ra quyết định đầu tư trong các dự án y dựng nhà máy năng lượng tái tạo Phạm Vũ Hồng Sơn , , Nguyễn Thanh Huy , 1 Đại học Quốc gia Thành phố Hồ Chí Minh 2 Bộ môn Thi côn

ngủ, làm việc, nấu ăn, lấy đồ ) đồng thời đáp ứng yếu tố vật lý, tâm

lý tầm nhìn, ánh sáng, thông thoáng) … Ngoài ra, dự án cũng cần

phải tính toán đến việc đầu tư các thiết chế phục vụ nhu cầu về y tế,

giao dục, văn hóa thể dục thể thao… để góp phần nâng cao chất

lượng cuộc sống của người dân trong dự án

ác dự án phát triển nhà ở xã hội theo quy định được tận dụng

tối đa mật độ xây dựng nhằm phát triển được nhiều nhất diện tích ở

có thể để phục vụ nhu cầu ở của các đối tượng Do đó, sẽ thu hẹp diện

tích đất giao thông và công trình công cộng hính vì thế, đối với hệ

thống giao thông nội bộ khu ở cũng như các công trình công công cần

phải nghiêncứu, bố trí một cách khoa học, ph hợp nhất nhằm đảm

bảo sự thông thoáng, thuận tiện, không bị n tắc

ứ tư, về ả

Đối với giá bán nhà ở xã hội đã được hính phủ quy định và Bộ

Xây dựng hướng dẫn cụ thể, chi tiết về phương pháp xác định Trong

đó, đáng chú ý là lợi nhuận của nhà đầu tư bị khống chế trong mức

tối đa không quá 10 tống mức đầu tư của dự án.Theo quy định tại

Thông tư số 20/2016/TT BXD ngày 30 tháng 6 năm 2016 của Bộ Xây

dựng, giá bán nhà ở xã hội caohay thấp phụ thuộc tổng mức đầu tư

của dự án và tổng diện tích sử dụng nhà ở xã hội Trong đó, diện tích

của mỗi căn hộ đã được khống chế theo quy định không được vượt

quá 0 m2/căn Do đó, để giảm giá thành của các căn hộ nhà ở xã hội,

cần phải nghiên cứu giải pháp nhằm giảm chi phí đầu tư của dự án

Kết luận

hính sách nhà ở xã hội của Việt Nam được coi là một trong

những chính sách nhân văn Việc ban hành luật này nhằm hỗ trợ các

hộ gia đình có thu nhập thấp tiếp cận với các đơn vị nhà ở giá cả phải

chăng thông qua một loạt các hỗ trợ của chính phủ ặc d chính

sách này đã được hính phủ Việt Nam và các bộ ngành liên tục ban

hành và sửa đổi trong các năm, nhưng nó vẫn cần được cải thiện

trong thời gian tới nhằm đáp ứng tốt hơn nhu cầu của cư dân tốt hơn

ết quả của nghiên cứu này chủ yếu dựa trên việc phân tích,

đánh giá nhu cầu thực tế của các nhóm đối tượng được hưởng chính

sách về nhà ở xã hội trên địa bàn tỉnh Tiền Giang, trên cơ sở đó đề

xuất một số ý kiến nhằm nâng cao hiệu quả của các dự án nhà ở xã

hội trên địa bàn tỉnh Tiền Giang trong thời gian tới Qua đó, nghiên

cứu cũng góp phần tìm kiếm định hướng để giải quyết bài toán về

phát triển nhà ở xã hội hiện nay trên địa bàn tỉnh Tiền Giang

1 lex Leandro re re , 2011 ualit of Habitat for social housing

olutions developed bet een 2000 and 200 in ogotá

2 Bộ Xây dựng, 2016 Thông tư số 20/201 /TT về việc hướng dẫn thực

hiện một số nội dung của Nghị định số 100/2015/NĐ CP

3 hính phủ, 2015 Nghị định số 100/2015/NĐ CP ngà 20/10/2015 về phát

triển và uản lý nhà ở hội

Ta Quynh Hoa, ham Dinh Tuyen, 2021 ocial Housing for or ers in

ndustrial ones in ietnam Concepts and Practical olutions to ards ustainable evelopment The Case tudies of Hanoi Cit

5 Hoàng Trọng hu Nguyễn ộng Ngọc, 200 Ph n t ch dữ liệu nghi n

cứu với P NXB Hồng Đức, Trường Đại Học inh Tế T H

6 Huỳnh Nguyên Dạ yên, 2011 iải pháp phát triển nhà ở hội tại thành

phố Đà Nẵng

Lê Hoài Long, 2011 ài giảng môn học Thống ứng dụng

Nguyễn Thị im nh, 201 uản lý nhà nước về nhà ở hội từ thực tiễn

thành phố Đà Nẵng

. ham Thi Truc Hoa Quynh, 2011 ocial Housing Polic of ietNam

nade uacies and olutions

10 Quốc hội, 201 uật Nhà ở

11 Susila ati, , rmitage, L, 2010 Affordable Housing olutions

Affordable Housing Providers’ Perspective

12 Thủ tướng hính phủ, 201 Chỉ thị số 03/CT TTg ngà 25/1/201 về đẩ

mạnh phát triển nhà ở hội

13 TS hạm Đình Tuyển, ThS Lê Lan Hương, 2015 Nghi n cứu giải pháp

công nghệ nhằm tạo lập mô hình phát triển nhà ở hội

1 BND tỉnh Tiền Giang, 2015 Chương trình phát triển nhà ở tỉnh Tiền iang

đến năm 2020 và định hướng đến năm 2030

15 Vũ Thị inh, 2015 Những bất cập trong ch nh sách nhà ở cho người thu

nhậpthấp Thành phố Hà Nội

hình hỗ trợ ra quyết định đầu tư trong các dự án y dựng

nhà máy năng lượng tái tạo

Phạm Vũ Hồng Sơn , , Nguyễn Thanh Huy ,

1 Đại học Quốc gia Thành phố Hồ Chí Minh

2 Bộ môn Thi công và Quản lý Xây dựng, Trường Đại học Bách Khoa TP.HCM

3 Học viên cao học ngành Quản lý Xây dựng, Bộ môn Thi công và Quản lý Xây dựng, Khoa Kỹ thuật Xây dựng, Trường Đại học Bách Khoa TP.HCM

Thuật toán ra quyết định đầu tư

Mô hình mô phỏng dựa trên đại lý Lập kế hoạch mở rộng công suất

Mô hình tối ưu hóa

Việc đầu tư phát triển nhanh về Năng Lượng Tái Tạo (NLTT) cũng như việc áp dụng đề án phát triển thị trường bán lẻ điện cạnh tranh luôn là thách thức lớn đối với các nhà đầu tư Sự không chắc chắn về giá bán điện dẫn đến nhiều rủi ro trong việc hoạch định doanh thu và lợi nhuận khi quyết định đầu tư một nhà máy mới Nghiên cứu này nhằm mục đích phân tích các phương pháp dự báo giá khác nhau được áp dụng trong các mô hình mô phỏng hệ thống điện dựa trên dữ liệu của các đại lý hiện có Từ đó đưa ra phương pháp dự báo giá dựa trên mô hình tối ưu hóa và hỗ trợ ra nhà đầu tư ra quyết định Kết quả mô phỏng cho thấy rằng, trong một thị trường điện cô lập với các thiết lập mô hình được cách điệu hóa cao, các quyết định đầu tư được thực hiện bởi các thuật toán đầu tư hiện có rất nhạy cảm với các giả định liên quan đến các tham số nhất định của thuật toán ra quyết định đầu tư Việc áp dụng mô hình dựa trên đại lý này giúp các nhà đầu tư giảm thiểu các rủi ro tiềm ẩn và hướng tới một thị trường cạnh tranh minh bạch trong tương lai, phù hợp với thị trường bán lẻ điện cạnh tranh mà Việt Nam đang hướng tới

Agent based simulation modeling

Generation expansion planning Optimization modeling

The investment to encourage rapid development of Renewable Energy (RE) as well as the application of the development scheme of competitive electricity retail market is always considered to be a great challenge for investors The uncertainty of electricity selling price results in many risks for revenue and profit planning when making decision on new plant investment This study aims to analyze various price forecasting methods applied in power system simulation models based on data from existing agents From there, a price forecasting method is proposed based on the optimization model and supports investors in decision making The simulation result shows that, in an isolated electricity market with highly stylized model settings, investment decisions made by existing investment algorithms are very sensitive to assumptions related to certain parameters of the investment decision – making algorithm The application of such agent based model helps investors reduce potential risks and move towards a transparent competitive market in the future, in line with the competitive electricity retail market towards which Vietnam is moving

Giới thiệu

Với mức độ phức tạp của hệ thống điện thì Mô hình dựa trên đại lý (Agent Based Model ABM) là một trong những mô hình được thường xuyên sử dụng Thuật toán ra quyết định đầu tư trong mô hình dựa trên đại lý dài hạn thường bao gồm ba bước Đầu tiên, các

dự báo được đưa ra liên quan đến lợi nhuận có thể thu được cho các

khoản đầu tư tiềm năng Thứ hai, những dự báo này được sử dụng

để đánh giá khả năng sinh lời của các khoản đầu tư tiềm năng Khả năng sinh lời thường được thể hiện bằng cách tính toán các số liệu phổ biến, chẳng hạn như giá trị hiện tại ròng (NPV) hoặc tỷ suất hoàn vốn nội bộ (IRR) Trong bước thứ ba và cuối cùng, khoản đầu

tư có lợi nhất, nếu có, sẽ được chọn Quá trình này thường được lặp lại cho đến khi không có đại lý nào sẵn sàng đầu tư nữa Thách thức

chính mà các mô hình này phải đối mặt nằm ở bước đầu tiên, tức là

thiết kế một phương pháp phù hợp cho phép các đại lý đưa ra dự

đoán về các dòng doanh thu trong tương lai Trong khi các mô hình

dựa trên đại lý hiện tại được điều chỉnh dựa trên các chỉ số và tiêu

chí được sử dụng để đưa ra quyết định đầu tư (ví dụ: NPV không âm

hoặc IRR tối thiểu), các phương pháp được sử dụng trong các mô

hình dựa trên đại lý dài hạn hiện có khác nhau để dự đoán giá trong

tương lai hoặc các luồng doanh thu thay đổi mạnh mẽ

Giới thiệu về m hình dựa trên đại l

Trong những thập kỷ qua, mô hình dựa trên đại lý đã được sử

dụng để trả lời nhiều loại câu hỏi nghiên cứu trong bối cảnh hệ thống

điện Nhìn chung, có thể xác định hai nhóm mô hình dựa trên đại lý:

mô hình dựa trên đại lý ngắn hạn và mô hình dựa trên đại lý dài hạn

Hai loại mô hình dựa trên đại lý này thường được sử dụng cho các

mục đích khác nhau và trọng tâm của bài là về mô hình dựa

trên đại lý dài hạn Các mô hình dựa trên đại lý ngắn hạn chủ yếu

được sử dụng để nghiên cứu trò chơi đấu thầu trên một thị trường

theo các thiết kế thị trường khác nhau Đánh giá toàn diện về các mô

hình dựa trên đại lý ngắn hạn có thể được tìm thấy trong tham khảo

[1], [2] Không giống như các mô hình dựa trên đại lý ngắn hạn tập

trung vào kết quả của thị trường giao ngay, các mô hình dựa trên đại

lý dài hạn được phát triển để nghiên cứu quá trình chuyển đổi hệ

thống điện với quy mô thời gian thay đổi từ nhiều năm đến nhiều

thập kỷ Một số mô hình dựa trên đại lý dài hạn đã kết hợp việc ra

quyết định đầu tư ở cấp đại lý, ví dụ PowerACE [3], [4], AMIRIS [5],

EMCAS [6], [7] và EMLab [8] – [10] Mỗi mô hình kể trên đều phát

triển phương pháp dự báo giá khác nhau và ở nghiên cứu này sẽ tập

trung xem xét ảnh hưởng của các phương pháp dự báo giá này đến

kết quả mô phỏng, cũng như xây dựng một phương pháp dự báo giá

mới minh bạch hơn, khả thi khi ứng dụng vào mô hình mô phỏng hệ

thống điện bán lẻ cạnh tranh của Việt Nam đang hướng tới

hỏng thị trường điện ằng m hình dựa trên đại l

ây dựng mô hình

Để đánh giá hiệu quả ảnh hưởng của các phương pháp dự báo

giá đến kết quả mô phỏng, một khung mô hình dựa trên đại lý dài

hạn được phát triển và các phương pháp dự báo giá khác nhau được

triển khai trong thuật toán ra quyết định đầu tư của nó, đồng thời

giữ cho tất cả các cài đặt khác trong mô hình không đổi Sử dụng tập

hợp các giả định này cho phép thu được một điểm chuẩn được xác

định rõ ràng, điểm cân bằng dài hạn đóng vai trò là một giải pháp

tham chiếu Cụ thể hơn, theo tập hợp các giả định này, mô hình dựa

trên đại lý nên hội tụ về trạng thái cân bằng dài hạn Sự sai lệch so

với trạng thái cân bằng dài hạn này có thể được hiểu là tác động của

phương pháp dự báo giá được sử dụng Mô hình dựa trên đại lý được thực hiện bằng ngôn ngữ lập trình Julia Mô tả của mô hình dựa trên đại lý dài hạn tuân theo giao thức ODD (Tổng quan, khái niệm thiết kế và chi tiết) như đề xuất của Grimm và cộng sự [11]

Ba loại đại lý (thực thể) được xem xét trong mô hình dựa trên đại lý dài hạn: các công ty phát điện, nhà điều hành thị trường (Trung tâm Điều độ Hệ thống điện Quốc gia) và người tiêu dùng điện Đặc điểm chính của đại lý công ty phát điện là danh mục công nghệ của nó Biến trạng thái của nhà điều hành thị trường là giá điện thị trường Người tiêu dùng được đặc trưng bởi cấu hình tải của họ

Là một mô hình dài hạn, mô phỏng bao gồm vài thập kỷ trong khi độ phân giải thời gian là 1 giờ Do đó, hai khái niệm chính được đưa ra để kết hợp giữa lập kế hoạch dài hạn (với thời gian kéo dài hàng thập kỷ) với hoạt động ngắn hạn (với độ phân giải theo giờ) là: ngày đại diện (representative day) và năm quan trọng (milestone years MYs) Hình 1 cho thấy một sơ đồ ví dụ về những ngày đại diện và những năm quan trọng Một cách trực quan, các ngày đại diện tìm cách giảm số ngày thực tế trong một năm bằng cách tìm một

số ngày nhất định và trọng số tương ứng của chúng để giảm thiểu độ lệch so với các cấu hình tải theo giờ đầy đủ

Như được chỉ ra bởi các hình chữ nhật trong Hình 2, bốn quy trình chính được thực hiện trong mô hình dựa trên đại lý dài hạn được đề xuất: đấu thầu trên thị trường giao ngay, xác định giá thị trường, xác định các máy phát điện sẽ ngừng hoạt động và tiến hành đầu tư vào công suất mới Chi tiết như sau: quá trình đấu thầu trên thị trường giao ngay được thực hiện bởi các nhà sản xuất năng lượng và tất cả các nhà phát điện được giả định đặt giá thầu bằng với chi phí cận biên Sau đó, nhà điều hành thị trường xác định giá thị trường bằng cách tối đa hóa phúc lợi xã hội Khi đạt đến một năm quan trọng, các công ty phát điện đầu tiên ngừng hoạt động các đơn

vị sản xuất đã đạt đến vòng đời của chúng, tiếp theo là một quá trình đầu tư trong đó các công ty phát điện đưa ra quyết định đầu tư một cách tuần tự

Hình Một ví dụ về biểu diễn thời gian qua các ngày đại

diện [12]

chính mà các mô hình này phải đối mặt nằm ở bước đầu tiên, tức là

thiết kế một phương pháp phù hợp cho phép các đại lý đưa ra dự

đoán về các dòng doanh thu trong tương lai Trong khi các mô hình

dựa trên đại lý hiện tại được điều chỉnh dựa trên các chỉ số và tiêu

chí được sử dụng để đưa ra quyết định đầu tư (ví dụ: NPV không âm

hoặc IRR tối thiểu), các phương pháp được sử dụng trong các mô

hình dựa trên đại lý dài hạn hiện có khác nhau để dự đoán giá trong

tương lai hoặc các luồng doanh thu thay đổi mạnh mẽ

Giới thiệu về m hình dựa trên đại l

Trong những thập kỷ qua, mô hình dựa trên đại lý đã được sử

dụng để trả lời nhiều loại câu hỏi nghiên cứu trong bối cảnh hệ thống

điện Nhìn chung, có thể xác định hai nhóm mô hình dựa trên đại lý:

mô hình dựa trên đại lý ngắn hạn và mô hình dựa trên đại lý dài hạn

Hai loại mô hình dựa trên đại lý này thường được sử dụng cho các

mục đích khác nhau và trọng tâm của bài là về mô hình dựa

trên đại lý dài hạn Các mô hình dựa trên đại lý ngắn hạn chủ yếu

được sử dụng để nghiên cứu trò chơi đấu thầu trên một thị trường

theo các thiết kế thị trường khác nhau Đánh giá toàn diện về các mô

hình dựa trên đại lý ngắn hạn có thể được tìm thấy trong tham khảo

[1], [2] Không giống như các mô hình dựa trên đại lý ngắn hạn tập

trung vào kết quả của thị trường giao ngay, các mô hình dựa trên đại

lý dài hạn được phát triển để nghiên cứu quá trình chuyển đổi hệ

thống điện với quy mô thời gian thay đổi từ nhiều năm đến nhiều

thập kỷ Một số mô hình dựa trên đại lý dài hạn đã kết hợp việc ra

quyết định đầu tư ở cấp đại lý, ví dụ PowerACE [3], [4], AMIRIS [5],

EMCAS [6], [7] và EMLab [8] – [10] Mỗi mô hình kể trên đều phát

triển phương pháp dự báo giá khác nhau và ở nghiên cứu này sẽ tập

trung xem xét ảnh hưởng của các phương pháp dự báo giá này đến

kết quả mô phỏng, cũng như xây dựng một phương pháp dự báo giá

mới minh bạch hơn, khả thi khi ứng dụng vào mô hình mô phỏng hệ

thống điện bán lẻ cạnh tranh của Việt Nam đang hướng tới

hỏng thị trường điện ằng m hình dựa trên đại l

ây dựng mô hình

Để đánh giá hiệu quả ảnh hưởng của các phương pháp dự báo

giá đến kết quả mô phỏng, một khung mô hình dựa trên đại lý dài

hạn được phát triển và các phương pháp dự báo giá khác nhau được

triển khai trong thuật toán ra quyết định đầu tư của nó, đồng thời

giữ cho tất cả các cài đặt khác trong mô hình không đổi Sử dụng tập

hợp các giả định này cho phép thu được một điểm chuẩn được xác

định rõ ràng, điểm cân bằng dài hạn đóng vai trò là một giải pháp

tham chiếu Cụ thể hơn, theo tập hợp các giả định này, mô hình dựa

trên đại lý nên hội tụ về trạng thái cân bằng dài hạn Sự sai lệch so

với trạng thái cân bằng dài hạn này có thể được hiểu là tác động của

phương pháp dự báo giá được sử dụng Mô hình dựa trên đại lý được thực hiện bằng ngôn ngữ lập trình Julia Mô tả của mô hình dựa trên đại lý dài hạn tuân theo giao thức ODD (Tổng quan, khái

niệm thiết kế và chi tiết) như đề xuất của Grimm và cộng sự [11]

Ba loại đại lý (thực thể) được xem xét trong mô hình dựa trên đại lý dài hạn: các công ty phát điện, nhà điều hành thị trường (Trung tâm Điều độ Hệ thống điện Quốc gia) và người tiêu dùng điện Đặc điểm chính của đại lý công ty phát điện là danh mục công nghệ của nó Biến trạng thái của nhà điều hành thị trường là giá điện thị trường Người tiêu dùng được đặc trưng bởi cấu hình tải của họ

Là một mô hình dài hạn, mô phỏng bao gồm vài thập kỷ trong khi độ phân giải thời gian là 1 giờ Do đó, hai khái niệm chính được đưa ra để kết hợp giữa lập kế hoạch dài hạn (với thời gian kéo dài hàng thập kỷ) với hoạt động ngắn hạn (với độ phân giải theo giờ) là:

ngày đại diện (representative day) và năm quan trọng (milestone years MYs) Hình 1 cho thấy một sơ đồ ví dụ về những ngày đại diện và những năm quan trọng Một cách trực quan, các ngày đại diện tìm cách giảm số ngày thực tế trong một năm bằng cách tìm một

số ngày nhất định và trọng số tương ứng của chúng để giảm thiểu độ lệch so với các cấu hình tải theo giờ đầy đủ

Như được chỉ ra bởi các hình chữ nhật trong Hình 2, bốn quy trình chính được thực hiện trong mô hình dựa trên đại lý dài hạn được đề xuất: đấu thầu trên thị trường giao ngay, xác định giá thị trường, xác định các máy phát điện sẽ ngừng hoạt động và tiến hành đầu tư vào công suất mới Chi tiết như sau: quá trình đấu thầu trên thị trường giao ngay được thực hiện bởi các nhà sản xuất năng lượng và tất cả các nhà phát điện được giả định đặt giá thầu bằng với chi phí cận biên Sau đó, nhà điều hành thị trường xác định giá thị trường bằng cách tối đa hóa phúc lợi xã hội Khi đạt đến một năm quan trọng, các công ty phát điện đầu tiên ngừng hoạt động các đơn

vị sản xuất đã đạt đến vòng đời của chúng, tiếp theo là một quá trình đầu tư trong đó các công ty phát điện đưa ra quyết định đầu tư một

cách tuần tự

Hình Một ví dụ về biểu diễn thời gian qua các ngày đại

diện [12]

Hình Lưu đồ của mô hình dựa trên đại lý dài hạn

Thiết kế mô hình Giai đoạn khởi tạo

a) Khởi tạo cơ cấu nguồn điện hiện có

Mô hình được khởi tạo với sự kết hợp công suất hiện có được phân bổ đồng đều trong hệ thống, tức là các loại công nghệ khác nhau chiếm cùng một lượng thị phần Việc khởi tạo này nhằm mục đích đi chệch khỏi trạng thái cân bằng dài hạn để đảm bảo rằng việc đạt đến trạng thái cân bằng này không phải là kết quả của cơ cấu nguồn điện ban đầu

b) Khởi tạo các đại lý là công ty phát điện

Mô hình được khởi tạo với 5 đại lý là các công ty phát điện và

cơ cấu nguồn điện hiện có được chỉ định ngẫu nhiên cho các công ty phát điện này Trong nghiên cứu này, việc khởi tạo các công ty phát điện sẽ không thay đổi kết quả và kết luận vì chúng đồng nhất

Dữ liệu đầu vào

Trong nghiên cứu này, dữ liệu phụ tải hệ thống điện của Việt Nam của năm 2021 được sử dụng (Dữ liệu phụ tải được lấy từ website www.nldc.evn.vn, với độ phân giải theo giờ) Giá trị của tải

bị mất (VoLL) là 2000 / MWh và lãi suất 5% cũng được sử dụng

Để đơn giản hóa các phân tích, nghiên cứu này chỉ xem xét các công nghệ có tỷ trọng lớn trong cơ cấu nguồn điện, mang tính đại diện, cụ thể là công nghệ chạy tải nền, tải lưng và tải đỉnh Các công nghệ này tương ứng với nhiệt điện than, nhiệt điện khí (chu trình hỗn hợp) và điện gió (xa bờ) có các đặc điểm kinh tế kỹ thuật dựa trên dữ liệu năm 2030 trong Cẩm nang công nghệ Việt Nam [48] Đặc điểm kinh

tế kỹ thuật của các công nghệ này được trình bày trong Bảng 1 Tất

cả các chi phí được thể hiện là đô la Mỹ (USD), giá năm 2019

ô hình con

Thuật toán mô tả việc đầu tư vào các nhà máy điện mới bao gồm ba bước Thứ nhất, các điều kiện thị trường liên quan đến hệ thống điện trong tương lai được hình thành bằng cách xem xét sự phát triển của cơ cấu nguồn điện, giá nhiên liệu và dữ liệu phụ tải Thứ hai, điều kiện thị trường tương lai được sử dụng để dự đoán giá thị trường trong tương lai Các phương pháp dự báo giá khác nhau được trình bày trong Phần 3.3 Thứ ba, lợi nhuận của mỗi nhà máy điện ứng viên được đánh giá bằng cách tính NPV của nó Cuối cùng, nhà máy điện có NPV cao nhất được chọn Việc tính toán NPV có tính đến doanh thu kỳ vọng, chi phí kỳ vọng và hệ số chiết khấu (đại diện cho tỷ suất lợi nhuận kỳ vọng tối thiểu) Công thức tính NPV như sau:

𝑁𝑁𝑁𝑁𝑉𝑉𝑖𝑖= ∑ (𝑦𝑦 (1+𝑦𝑦)1 𝑦𝑦× ((−𝑓𝑓𝑖𝑖,𝑦𝑦× 𝐺𝐺𝑖𝑖,𝑦𝑦) + (∑ ∑ 𝑊𝑊𝑑𝑑 ℎ 𝑦𝑦,𝑑𝑑× 𝛾𝛾𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ× 𝑔𝑔𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ×

(𝑝𝑝𝑦𝑦,𝑑𝑑,ℎ− 𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ))) (1) Trong đó:

𝑟𝑟: lãi suất hàng năm

𝛾𝛾𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ : các hệ số công suất (capacity factor)

𝑓𝑓𝑖𝑖,𝑦𝑦: chi phí cố định không phụ thuộc vào điện sản xuất thực tế

𝑔𝑔𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ, nó là tổng chi phí đầu tư hàng năm 𝑓𝑓𝑖𝑖𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶và chi phí vận hành

và bảo trì cố định (FOM) 𝑓𝑓𝑖𝑖𝑂𝑂&𝑀𝑀của công nghệ tương ứng Về mặt toán học, chi phí cố định của mỗi đơn vị phát điện đã lắp đặt được tính như trong phương trình :

𝑓𝑓𝑖𝑖,𝑦𝑦= 𝑓𝑓𝑖𝑖𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶+ 𝑓𝑓𝑖𝑖𝑂𝑂&𝑀𝑀, ∀𝑖𝑖 ∈ 𝐼𝐼, ∀𝑦𝑦 ∈ 𝑌𝑌 (2) Trong đó chi phí đầu tư được tính bằng công thức (3)

𝑓𝑓𝑖𝑖𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶= 𝑁𝑁𝑖𝑖×𝑟𝑟×(1+𝑟𝑟)(1+𝑟𝑟)𝑛𝑛𝑖𝑖−1𝑛𝑛𝑖𝑖, ∀𝑖𝑖 ∈ 𝐼𝐼 (3) Thuật ngữ chi phí biến đổi 𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ được tính bằng công thức (4), phụ thuộc vào sản lượng điện thực tế và bao gồm chi phí nhiên liệu (cộng với chi phí phát thải và thuế) 𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓/𝜇𝜇𝑖𝑖và chi phí vận hành và bảo trì thay đổi (VOM) 𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ𝑂𝑂&𝑀𝑀 :

𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ= 𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ𝑂𝑂&𝑀𝑀 +𝜈𝜈𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓

𝜇𝜇 𝑖𝑖 , ∀𝑖𝑖 ∈ 𝐼𝐼, 𝑦𝑦 ∈ 𝑌𝑌, 𝑑𝑑 ∈ 𝐷𝐷, ℎ ∈ 𝐻𝐻 (4) Các giả định chính làm nền tảng cho cấu trúc mô hình:

• Dữ liệu phụ tải được giả định là không thay đổi và được lặp lại hàng năm

• Các đặc tính kinh tế kỹ thuật của tất cả các công nghệ được giả định là không đổi trong toàn bộ thời gian mô phỏng

• Việc lựa chọn và trọng số tương ứng của các ngày đại diện

được giả định là không thay đổi trong tương lai

• Các quyết định đầu tư của đại lý công ty phát điện không bị

ràng buộc về ngân sách

Các trường hợp nghiên cứu

Trong các mô hình dựa trên đại lý dài hạn hiện có, có thể xác

định hai loại phương pháp dự báo giá khác nhau: phương pháp dự

báo giá ngoại sinh và phương pháp dự báo giá nội sinh Mỗi loại có

thể được phân biệt thêm bằng hình thức thông tin thiết yếu được

cung cấp làm đầu vào cho phương pháp tương ứng Cả hai loại

phương pháp dự báo giá hiện có đều dựa vào mô đun mô phỏng bù trừ thị trường ảo (virtual market clearing simulation module) Mô đun này xác định các dự báo về giá điện trong tương lai và giờ hoạt động cho các lựa chọn đầu tư khác nhau bằng cách kết hợp các dự báo về cơ cấu nguồn điện trong tương lai với giá nhiên liệu, nhu cầu

và thông tin công nghệ Mặc dù các mô đun thanh toán bù trừ thị trường ảo được xây dựng và đặt tên khác nhau trong các bài báo được tham khảo, nhưng tất cả chúng đều có thể được hiểu là một thuật toán bù trừ thị trường phù hợp với cung cầu dựa trên thứ tự tăng dần của giá (merit order based)

ảng Đặc điểm kinh tế kỹ thuật của các công nghệ được xem xét

Hình Mô phỏng thanh toán bù trừ thị trường ảo

Người ta xây dựng một mô đun mô phỏng thanh toán bù trừ

thị trường ảo dựa trên thứ tự tăng dần của giá (merit order based),

được thể hiện trong Hình 3 Trong quá trình mô phỏng thanh toán bù

trừ thị trường ảo, thị trường được thanh toán từng bước dựa trên dự

báo cơ cấu nguồn điện có từ phương pháp gọi là tầm nhìn tương lai

(look ahead horizon) Tham số tầm nhìn tương lai (look ahead

horizon) này xác định khoảng cách trong tương lai mà một đại lý có thể tiếp cận thông tin khi một đối tượng đầu tư được đánh giá Tham

số này đã được đặt tên là “khoảng thời gian dự báo (forecast period)”

và “đường chân trời thời gian trong năm tham chiếu (reference year time horizon)” tương ứng trong [6], [10] Ngoài những điểm tương đồng về cách xử lý thông tin trong tương lai, các phương pháp vẫn tồn tại những khác biệt quan trọng về cách dự báo cơ cấu nguồn điện trong tương lai Sau đây, các phương pháp dự báo giá hiện có sẽ được mô tả chi tiết, đặc biệt chú ý đến thành phần dự báo cơ cấu nguồn điện Một phương pháp dự báo giá mới (thuộc phương pháp

dự báo giá nội sinh) cũng được giới thiệu

Phương pháp dự báo giá ngoại sinh

Phương pháp dự báo giá ngoại sinh dựa trên thông tin về hệ thống điện trong tương lai từ các nguồn thông tin độc lập với mô hình Thông tin này thường xuất hiện dưới một trong hai dạng: giá điện trong tương lai hoặc diễn biến của cơ cấu nguồn điện trong tương lai Dự báo về giá điện trong tương lai có thể được thu thập bằng nhiều cách khác nhau Ví dụ, giá điện trong tương lai có thể được tính bằng cách ngoại suy giá điện trong quá khứ sử dụng các phương pháp nhận dạng mẫu Cơ cấu nguồn điện trong tương lai thường được rút ra từ các báo cáo hoặc kết quả nghiên cứu của bên thứ ba Với thông tin này, các đại lý có thể chạy một mô đun mô phỏng thanh toán bù trừ thị trường ảo để truy xuất doanh thu dự kiến trong tương lai và giá cận biên

(MW)

Vòng đời (năm)

VOM ( /MWh)

Giá nhiên liệu

FOM ( /kW)

Chi phí đầu tư ( /kW) Tải nền

Tải lưng

Tải đỉnh

• Việc lựa chọn và trọng số tương ứng của các ngày đại diện

được giả định là không thay đổi trong tương lai

• Các quyết định đầu tư của đại lý công ty phát điện không bị

ràng buộc về ngân sách

Các trường hợp nghiên cứu

Trong các mô hình dựa trên đại lý dài hạn hiện có, có thể xác

định hai loại phương pháp dự báo giá khác nhau: phương pháp dự

báo giá ngoại sinh và phương pháp dự báo giá nội sinh Mỗi loại có

thể được phân biệt thêm bằng hình thức thông tin thiết yếu được

cung cấp làm đầu vào cho phương pháp tương ứng Cả hai loại

phương pháp dự báo giá hiện có đều dựa vào mô đun mô phỏng bù trừ thị trường ảo (virtual market clearing simulation module) Mô

đun này xác định các dự báo về giá điện trong tương lai và giờ hoạt động cho các lựa chọn đầu tư khác nhau bằng cách kết hợp các dự báo về cơ cấu nguồn điện trong tương lai với giá nhiên liệu, nhu cầu

và thông tin công nghệ Mặc dù các mô đun thanh toán bù trừ thị trường ảo được xây dựng và đặt tên khác nhau trong các bài báo được tham khảo, nhưng tất cả chúng đều có thể được hiểu là một thuật toán bù trừ thị trường phù hợp với cung cầu dựa trên thứ tự

tăng dần của giá (merit order based)

ảng Đặc điểm kinh tế kỹ thuật của các công nghệ được xem xét

Hình Mô phỏng thanh toán bù trừ thị trường ảo

Người ta xây dựng một mô đun mô phỏng thanh toán bù trừ

thị trường ảo dựa trên thứ tự tăng dần của giá (merit order based),

được thể hiện trong Hình 3 Trong quá trình mô phỏng thanh toán bù

trừ thị trường ảo, thị trường được thanh toán từng bước dựa trên dự

báo cơ cấu nguồn điện có từ phương pháp gọi là tầm nhìn tương lai

(look ahead horizon) Tham số tầm nhìn tương lai (look ahead

horizon) này xác định khoảng cách trong tương lai mà một đại lý có thể tiếp cận thông tin khi một đối tượng đầu tư được đánh giá Tham

số này đã được đặt tên là “khoảng thời gian dự báo (forecast period)”

và “đường chân trời thời gian trong năm tham chiếu (reference year time horizon)” tương ứng trong [6], [10] Ngoài những điểm tương đồng về cách xử lý thông tin trong tương lai, các phương pháp vẫn tồn tại những khác biệt quan trọng về cách dự báo cơ cấu nguồn điện trong tương lai Sau đây, các phương pháp dự báo giá hiện có sẽ được mô tả chi tiết, đặc biệt chú ý đến thành phần dự báo cơ cấu nguồn điện Một phương pháp dự báo giá mới (thuộc phương pháp

dự báo giá nội sinh) cũng được giới thiệu

Phương pháp dự báo giá ngoại sinh

Phương pháp dự báo giá ngoại sinh dựa trên thông tin về hệ thống điện trong tương lai từ các nguồn thông tin độc lập với mô hình Thông tin này thường xuất hiện dưới một trong hai dạng: giá điện trong tương lai hoặc diễn biến của cơ cấu nguồn điện trong tương lai Dự báo về giá điện trong tương lai có thể được thu thập bằng nhiều cách khác nhau Ví dụ, giá điện trong tương lai có thể được tính bằng cách ngoại suy giá điện trong quá khứ sử dụng các phương pháp nhận dạng mẫu Cơ cấu nguồn điện trong tương lai thường được rút ra từ các báo cáo hoặc kết quả nghiên cứu của bên thứ ba Với thông tin này, các đại lý có thể chạy một mô đun mô phỏng thanh toán bù trừ thị trường ảo để truy xuất doanh thu dự

kiến trong tương lai và giá cận biên

(MW)

Vòng đời (năm)

VOM ( /MWh)

Giá nhiên liệu

FOM ( /kW)

Chi phí đầu tư ( /kW) Tải nền

Tải lưng

Tải đỉnh

Phương pháp dự báo giá nội sinh

Trong các phương pháp dự báo giá nội sinh, các đại lý dự đoán nội sinh giá tương lai (doanh thu tương ứng và giá cận biên) trong quá trình mô phỏng, tức là người sử dụng không cần cung cấp tất cả thông tin trực tiếp liên quan đến giá điện trong tương lai hoặc sự phát triển cơ cấu nguồn điện trong tương lai Ví dụ về khung mô hình dựa trên đại lý đã áp dụng các phương pháp dự báo giá nội sinh bao gồm tham khảo [6], [10], [13] Trong các tài liệu tham khảo này, phương pháp dự báo giá thường bao gồm hai bước Trong bước đầu tiên, các dự báo được đưa ra liên quan đến cơ cấu nguồn điện trong tương lai Trong bước thứ hai, dự báo cơ cấu nguồn điện được sử dụng làm đầu vào trong mô đun mô phỏng thanh toán bù trừ thị trường ảo (Hình 3)

Hình 4 và hình 5 đại diện cho phương pháp dự báo giá nội sinh Endo.2 Ngoài thông tin đã được xem xét bởi phương pháp "đại lý cận cảnh (myopic agents)", phương pháp dự báo giá nội sinh Endo.2 xem xét các dự báo về các khoản đầu tư trong tương lai của các đối thủ cạnh tranh Tương tự như phương pháp “đại lý cận thị”, các dự báo kết quả về cơ cấu nguồn điện trong tương lai sau đó được sử dụng làm đầu vào trong mô đun mô phỏng bù trừ thị trường ảo để dự đoán giá điện trong tương lai Đối với việc ra quyết định đầu tư, mô hình được trình bày trong [6] bao gồm những bất ổn liên quan đến tăng trưởng phụ tải, điều kiện thủy văn và các khoản đầu tư của các đối thủ cạnh tranh trong những năm tới Sự không chắc chắn được biểu diễn thông qua một cây kịch bản, như được thể hiện trong Hình 6 Như được trình bày ở phía bên phải của Hình 6, đối với mỗi đại lý, 9 sự không chắc chắn liên quan đến việc đầu tư của các đối thủ cạnh tranh

Quyết định mở rộng công suất bao gồm hai lớp: tổng công suất lắp đặt và sự phân bổ công suất này giữa các loại công nghệ khác nhau Trong lớp đầu tiên, 3 nhánh khác nhau về tổng công suất lắp đặt của các đối thủ cạnh tranh được xem xét, và xác suất được gán cho mỗi nhánh này Trong lớp thứ hai, mỗi nhánh được chia thành 3 nhánh con khác nhau về sự phân bổ tổng công suất lắp đặt giữa các loại hình công nghệ khác nhau

Tương tự như các phương pháp dự báo giá ngoại sinh, phương pháp này có những hạn chế rõ ràng nhất định Hạn chế chính là sự

sẵn có của các tham số cho cây kịch bản, dẫn đến mất tính linh hoạt trong việc thiết lập các tình huống cụ thể Ngoài ra, người ta có thể hiệu chỉnh cây kịch bản khi xem xét lại về cơ cấu nguồn điện trong quá khứ Cách hiệu chuẩn này có thể ảnh hưởng đến kết quả mô phỏng bằng cách giả định rằng cơ cấu nguồn điện trong tương lai phát triển theo cách tương tự như trước đây, điều này đã được chứng minh là không phù hợp vì các yếu tố khác nhau như sự xuất hiện của công nghệ mới và các đối thủ kinh doanh mới [14]

Phương pháp dự báo giá dựa trên tối ưu hóa

Như được trình bày trong Hình 7, trong phương pháp dự báo giá dựa trên tối ưu hóa mới, các đại lý đưa ra dự báo giá bằng cách giải quyết vấn đề lập kế hoạch mở rộng công suất (tức là mô hình tối

ưu hóa hệ thống điện dài hạn truyền thống) Cách giải thích của phương pháp này là mỗi đại lý giả định rằng cơ cấu nguồn điện hệ thống sẽ phát triển theo cách giảm thiểu chi phí khi đưa ra các dự báo giá dài hạn Vì lý do này, từ đó phương pháp này sẽ được gọi là phương pháp “tối thiểu chi phí đầu tư trong tương lai” Thông tin liên quan đến cơ cấu nguồn điện hiện tại, các khoản đầu tư đã được công bố và các kế hoạch về các nhà máy sẽ ngừng hoạt động trong tương lai được sử dụng làm đầu vào cho bài toán lập kế hoạch mở rộng công suất phát điện Thông tin đầu ra từ bài toán lập kế hoạch

mở rộng công suất này gồm hai phần: giá bóng (shadow price) và dự báo cơ cấu nguồn điện

àm mục tiêu

Hàm mục tiêu nhằm mục đích giảm thiểu tổng chi phí hệ thống:

𝐦𝐦𝐦𝐦𝐦𝐦𝐆𝐆

𝐣𝐣,𝐲𝐲 ∑ ∑ (𝐲𝐲 𝐣𝐣 (𝐟𝐟𝐣𝐣,𝐲𝐲× 𝐆𝐆𝐣𝐣,𝐲𝐲) + (∑ ∑ 𝐖𝐖𝐝𝐝 𝐡𝐡 𝐝𝐝× 𝛎𝛎𝐣𝐣,𝐲𝐲,𝐝𝐝,𝐡𝐡× 𝐠𝐠𝐣𝐣,𝐲𝐲,𝐝𝐝,𝐡𝐡× 𝚫𝚫𝚫𝚫)) +

((𝐕𝐕𝐕𝐕𝐕𝐕𝐕𝐕 × ∑ ∑ (𝐖𝐖𝐲𝐲 𝐝𝐝 𝐝𝐝× ∑ 𝐥𝐥𝐥𝐥𝐡𝐡 𝐲𝐲,𝐝𝐝,𝐡𝐡)) (5)

Hai phần trong hàm mục tiêu lần lượt thể hiện chi phí phát điện và chi phí tổn thất điện Chi phí phát điện bao gồm chi phí cố định (xem phương trình (2)) và chi phí biến đổi (xem phương trình (4)) Chi phí của tổn thất điện là tổng trọng số của tổn thất điện nhân với giá trị cố định của điện bị mất (VoLL)

Hình Sơ đồ phương pháp dự báo giá đại lý cận thị (Myopic agents) [10]

Hình Sơ đồ các phương pháp dự báo giá các kịch bản ngoại sinh

cho các khoản đầu tư trong tương lai (Exogenous scenarios for future investments) [26]

Hình Cây kịch bản được triển khai thể hiện sự mở rộng của đối thủ cạnh tranh [6]

Hình Sơ đồ phương pháp dự báo giá dựa trên tối ưu hóa

Hình Sơ đồ các phương pháp dự báo giá các kịch bản ngoại sinh

cho các khoản đầu tư trong tương lai (Exogenous scenarios for future investments) [26]

Hình Cây kịch bản được triển khai thể hiện sự mở rộng của đối thủ cạnh tranh [6]

Hình Sơ đồ phương pháp dự báo giá dựa trên tối ưu hóa

Các ràng buộc

Ràng buộc cân bằng năng lượng: đối với mỗi bước thời gian t, tổng sản lượng điện và tổn thất điện năng bằng tổng nhu cầu

∑(𝑔𝑔𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ× 𝛥𝛥𝛥𝛥) + 𝑙𝑙𝑙𝑙𝑦𝑦,𝑑𝑑,ℎ= 𝐿𝐿𝑦𝑦,𝑑𝑑,ℎ

𝐼𝐼

𝑖𝑖=1

∀𝑖𝑖 ∈ 𝐼𝐼, ∀𝑦𝑦 ∈ 𝑌𝑌, ∀𝑑𝑑 ∈ 𝐷𝐷, ∀ℎ ∈ 𝐻𝐻 (6) Hạn chế về công suất đã lắp đặt: đối với mỗi năm, cơ cấu nguồn điện được cập nhật bằng cách thêm các khoản đầu tư mới và trừ đi các nhà máy ngừng vận hành

𝐺𝐺𝑖𝑖,𝑦𝑦= 𝐺𝐺𝑖𝑖,𝑦𝑦−1+ 𝑖𝑖𝑖𝑖𝑣𝑣𝑖𝑖,𝑦𝑦−1− 𝑑𝑑𝑑𝑑𝑐𝑐𝑖𝑖,𝑦𝑦−1, ∀𝑖𝑖 ∈ 𝐼𝐼, ∀𝑦𝑦 ∈ 𝑌𝑌 (7) Ràng buộc ngừng hoạt động: việc ngừng hoạt động của loại công nghệ i trong năm y là khoản đầu tư vào loại công nghệ i trong năm y ni, trong đó ni là thời gian tồn tại của công nghệ

𝑑𝑑𝑑𝑑𝑐𝑐𝑖𝑖,𝑦𝑦= 𝑖𝑖𝑖𝑖𝑣𝑣𝑖𝑖,𝑦𝑦−𝑛𝑛𝑗𝑗, ∀𝑖𝑖 ∈ 𝐼𝐼, ∀𝑦𝑦 ∈ 𝑌𝑌 (8) Giới hạn phát điện: sản lượng điện thực tế của từng loại công nghệ không âm và không được vượt quá công suất lắp đặt của công nghệ tương ứng

0 ≤ 𝑔𝑔𝑖𝑖,𝑦𝑦,𝑑𝑑,ℎ,≤ 𝐺𝐺𝑖𝑖,𝑦𝑦, ∀𝑖𝑖 ∈ 𝐼𝐼, ∀𝑦𝑦 ∈ 𝑌𝑌, ∀𝑑𝑑 ∈ 𝐷𝐷, ∀ℎ ∈ 𝐻𝐻 (9)

Hình Tổng quan về mô hình dựa trên đại lý với phương pháp dự báo giá mới được đưa vào quy trình đầu tư

Thiết lập trường hợp nghiên cứu Các giả định và cài đặt chính của mô hình dựa trên đại l dài hạn

Nhằm mục đích đánh giá hiệu quả các phương pháp dự báo giá khác nhau, theo giả định về thông tin hoàn hảo và các đại lý hoàn toàn hợp lý, một mô hình dựa trên đại lý được hiệu chuẩn tốt sẽ đạt được hoặc ít nhất là gần đúng trạng thái cân bằng trong dài hạn Với mục tiêu xác định điểm chuẩn của giải pháp so với giải pháp cân bằng dài hạn, tất cả các đại lý còn được giả định hoàn toàn hợp lý, hướng tới tương lai (forward looking) và hoạt động như những người định giá (price taker)

Cấu hình của phương pháp dự báo giá “Kịch bản ngoại sinh cho các khoản đầu tư trong tương lai”

Rất khó để ấn định các giá trị thích hợp (cả phân phối công nghệ và tổng công suất) cho các tình huống đại diện cho các khoản đầu tư trong tương lai sẽ được thực hiện bởi các đối thủ cạnh tranh

Để nghiên cứu ảnh hưởng của những kỳ vọng này, một phân tích độ nhạy được thực hiện trong đó các khoản đầu tư dự kiến ngoại sinh của các đối thủ cạnh tranh khác nhau cả về tổng công suất dự kiến sẽ được các đối thủ cạnh tranh bổ sung trong những năm tới cũng như

về phân phối các công nghệ mà các đối thủ cạnh tranh dự kiến sẽ đầu

tư Về tổng công suất tăng thêm, chúng tôi cho rằng các đối thủ cạnh tranh đầu tư tới 85 %, 90 % và 95 % lượng tải đỉnh Về phân bố công nghệ, có ba trường hợp khác nhau được xem xét Điều này dẫn

đến tổng cộng 9 trường hợp có thể xảy ra đối với các khoản đầu tư

trong tương lai mà các đối thủ cạnh tranh dự kiến sẽ thực hiện Các

tổ hợp tham số và các thẻ tương ứng của 9 trường hợp này được

trình bày trong Bảng 2

ảng Các tham số được xem xét cho cây kịch bản mở rộng

Tổng mức mở rộng của các đối thủ cạnh tranh

Phối phối (Tải nền/tải lưng/tải đỉnh)

Hình Tổng quan về tác động của các thông số chính trong các phương pháp dự báo giá khác nhau

đến kết quả cơ cấu nguồn điện

Kết quả và thảo luận

Các tác động của các phương pháp dự báo giá này đối với các

thuật toán ra quyết định đầu tư được phản ánh qua cơ cấu nguồn

điện ở tương lai Do đó, phân tích độ nhạy được thực hiện đối với

các tham số chính tương ứng của các phương pháp dự báo giá khác

nhau

i Tầm nhìn tương lai (look ahead horizon) trong phương pháp

“đại lý cận thị (myopic agent)” và phương pháp “tối thiểu hóa

chi phí đầu tư trong tương lai”

ii Các giá trị được gán cho cây kịch bản (scenario tree) trong

phương pháp “kịch bản ngoại sinh cho các khoản đầu tư trong

tương lai”

Hình 9 cung cấp một cái nhìn tổng quan về cơ cấu nguồn điện

dự báo được đưa ra từ các phương pháp dự báo giá khác nhau và độ nhạy tương ứng của chúng Giải pháp chuẩn để so sánh cho tất cả các

mô phỏng là cân bằng dài hạn, được tính toán bằng mô hình lập kế hoạch mở rộng công suất lấy dữ liệu đầu vào giống như mô hình dựa trên đại lý

Có thể thấy, các phương pháp dự báo giá “đại lý cận thị (myopic agent)” và “kịch bản ngoại sinh cho các khoản đầu tư trong tương lai” bị ảnh hưởng nhiều bởi các thông số chính tương ứng của chúng Điều này được phản ánh bởi kết quả cơ cấu nguồn điện trong tương lai rất khác nhau Mặt khác, phương pháp dự báo giá “giảm thiểu chi phí đầu tư trong tương lai” được đưa ra để ước lượng một cách có hệ thống đến giải pháp cân bằng dài hạn Các phần sau đây cung cấp phân tích chi tiết về từng độ nhạy được xem xét

đến tổng cộng 9 trường hợp có thể xảy ra đối với các khoản đầu tư

trong tương lai mà các đối thủ cạnh tranh dự kiến sẽ thực hiện Các

tổ hợp tham số và các thẻ tương ứng của 9 trường hợp này được

trình bày trong Bảng 2

ảng Các tham số được xem xét cho cây kịch bản mở rộng

Tổng mức mở rộng của các đối

thủ cạnh tranh

Phối phối (Tải nền/tải lưng/tải đỉnh)

Hình Tổng quan về tác động của các thông số chính trong các phương pháp dự báo giá khác nhau

đến kết quả cơ cấu nguồn điện

Kết quả và thảo luận

Các tác động của các phương pháp dự báo giá này đối với các

thuật toán ra quyết định đầu tư được phản ánh qua cơ cấu nguồn

điện ở tương lai Do đó, phân tích độ nhạy được thực hiện đối với

các tham số chính tương ứng của các phương pháp dự báo giá khác

nhau

i Tầm nhìn tương lai (look ahead horizon) trong phương pháp

“đại lý cận thị (myopic agent)” và phương pháp “tối thiểu hóa

chi phí đầu tư trong tương lai”

ii Các giá trị được gán cho cây kịch bản (scenario tree) trong

phương pháp “kịch bản ngoại sinh cho các khoản đầu tư trong

tương lai”

Hình 9 cung cấp một cái nhìn tổng quan về cơ cấu nguồn điện

dự báo được đưa ra từ các phương pháp dự báo giá khác nhau và độ nhạy tương ứng của chúng Giải pháp chuẩn để so sánh cho tất cả các

mô phỏng là cân bằng dài hạn, được tính toán bằng mô hình lập kế hoạch mở rộng công suất lấy dữ liệu đầu vào giống như mô hình dựa

trên đại lý

Có thể thấy, các phương pháp dự báo giá “đại lý cận thị (myopic agent)” và “kịch bản ngoại sinh cho các khoản đầu tư trong tương lai” bị ảnh hưởng nhiều bởi các thông số chính tương ứng của chúng Điều này được phản ánh bởi kết quả cơ cấu nguồn điện trong tương lai rất khác nhau Mặt khác, phương pháp dự báo giá “giảm thiểu chi phí đầu tư trong tương lai” được đưa ra để ước lượng một cách có hệ thống đến giải pháp cân bằng dài hạn Các phần sau đây

cung cấp phân tích chi tiết về từng độ nhạy được xem xét

Phân tích độ nhạy của tầm nhìn tương lai (look ah ad hori on

Như được thể hiện trong Hình 9, các kết quả mô phỏng có độ nhạy cao đối với tham số tầm nhìn tương lai (look ahead horizon) khác nhau khi sử dụng phương pháp dự báo giá "đại lý cận thị" Cụ thể hơn, khoản đầu tư quá mức ngày càng lớn khi Tầm nhìn tương lai (look ahead horizon) với khoảng thời gian xa hơn Công nghệ tải đỉnh chiếm hầu hết các khoản đầu tư quá mức Các kết quả mô phỏng của mô hình dựa trên đại lý với phương pháp dự báo giá

“giảm thiểu chi phí đầu tư trong tương lai” mạnh mẽ hơn trong các tầm nhìn xa hơn và gần đúng với giải pháp chuẩn Điều này chỉ ra rằng mô hình dựa trên đại lý dài hạn, với thuật toán ra quyết định đầu tư được tích hợp, có thể dùng làm chuẩn lý thuyết lý tưởng để

mở rộng thêm mô hình

Kết quả trong Hình 9 cho thấy rằng việc sử dụng phương pháp

dự báo giá “đại lý cận thị” với tầm nhìn xa trong vòng 5 năm có thể gần đúng với mức cân bằng dài hạn Nguyên nhân là do sử dụng khoảng cách 5 năm có nghĩa là các đại lý chỉ đưa ra quyết định đầu

tư dựa trên tình trạng hệ thống trong năm quan trọng (MY) đầu tiên,

do đó, sự khan hiếm quan sát được là việc ngừng hoạt động gần đây

và không có thông tin nào trong tương lai được xem xét Trong một thị trường cạnh tranh hoàn hảo, các đại lý tối đa hóa lợi nhuận sẽ đưa ra các quyết định đầu tư nhằm lấp đầy khoảng trống theo cách giảm thiểu chi phí hệ thống

Khi đại lý đưa ra quyết định đầu tư với giả định rằng không có khoản đầu tư mới nào xảy ra, như thể hiện trong Hình 10a, đại lý đầu tiên trong vòng đầu tư đầu tiên sẽ cảm nhận được khoản đầu tư được công bố bằng 0 (vì không có khoản đầu tư nào trước đó trong năm quan trọng này) Cùng với thực tế là tất cả các công suất hiện có

sẽ ngừng hoạt động sau bốn đến năm năm quan trọng (sau 20 25 năm), vì các công suất hiện có mới nhất là các khoản đầu tư vào năm quan trọng trước đó, là 5 năm trước Điều này dẫn đến sự thiếu hụt công suất dự kiến rất lớn trong năm quan trọng thứ, mặc dù tình trạng thừa công suất đã tồn tại trong năm quan trọng đầu tiên Trong việc thanh toán bù trừ thị trường ảo, sự thiếu hụt công suất này được chuyển thành dự báo giá điện tương ứng với giá trần trong cả năm, rõ ràng là không thực tế Mức giá dự báo cao vào cuối tầm nhìn tương lai look ahead horizon khuyến khích các khoản đầu tư cho đến khi thiếu hụt về nguồn cung trong tương lai gần như được lấp đầy Ngoài ra, kỳ vọng thiếu hụt nguồn cung và giá điện cao tương ứng xảy ra trong 5 năm cuối có nghĩa là lựa chọn đầu tư được xem xét có xu hướng chủ yếu được đưa ra trong giai đoạn này Với số giờ hoạt động dự kiến thấp, công nghệ có chi phí cố định thấp nhất được

ưa chuộng, điều này giải thích tại sao công nghệ tải đỉnh chiếm hầu hết các khoản đầu tư quá mức

Hình 10b minh hoạ cơ cấu nguồn điện mà các đại lý dự đoán với phương pháp dự báo “giảm thiểu chi phí đầu tư trong tương lai” Trong trường hợp như vậy, các đại lý có khả năng vừa thiết lập các

kỳ vọng về các khoản đầu tư trong tương lai vừa duy trì các kỳ vọng này theo đặc tính nội tại của hệ thống Hơn nữa, tầm nhìn tương lai (look ahead horizon) không còn ảnh hưởng đến các quyết định đầu

tư vì việc đầu tư không còn bị khuyến khích bởi giá điện cao phi thực tế chỉ phát sinh trong năm quan trọng cuối cùng, mà do giá điện được phân phối đồng nhất trong toàn bộ tầm nhìn tương lai (look ahead horizon)

Phân tích độ nhạy về các giá trị được gán cho cây kịch bản trong phương pháp dự báo giá “các kịch bản ngoại sinh cho các khoản đầu tư trong tương lai”



Ở đại lý cấp độ vi mô, kỳ vọng của đại lý về kế hoạch mở rộng của đối thủ cạnh tranh ảnh hưởng trực tiếp đến quyết định đầu tư của họ bằng cách thay đổi giá điện trong tương lai Các quyết định đầu tư bị ảnh hưởng này cuối cùng sẽ được phản ánh ở cấp độ hệ thống vĩ mô dưới dạng các biến thể của cơ cấu nguồn điện Hình 11 thể hiện kết quả cơ cấu nguồn điện cho các trường hợp khác nhau của dự báo mở rộng nguồn điện của đối thủ canh tranh Kết quả cơ cấu nguồn điện cấp hệ thống vĩ mô cho từng trường hợp được thể hiện trong hình 11 và tóm tắt trong Bảng 3

Nhìn chung, có thể nhận thấy rằng kết quả mô phỏng thay đổi phần lớn tùy thuộc vào các đầu vào ngoại sinh được sử dụng Đầu tiên, bằng cách so sánh cơ cấu nguồn điện hệ thống đối với các kỳ vọng khác nhau liên quan đến tổng công suất dự kiến sẽ được bổ sung bởi các đối thủ cạnh tranh trong tương lai, người ta có thể nhận thấy rằng việc giảm kỳ vọng vào tổng mức mở rộng của đối thủ cạnh tranh (từ 95 % xuống 90 % và 85 %) dẫn đến tổng công suất hệ thống tăng đáng kể và ngược lại Một mặt, khi kỳ vọng rằng các đối thủ cạnh tranh sẽ hạn chế đầu tư dẫn đến giá điện cao không thực tế trong tương lai và giá điện cao này kích hoạt các khoản đầu tư cho đến khi lấp đầy khoảng trống cung ứng trong tương lai Mặt khác, khi kỳ vọng các đối thủ cạnh tranh sẽ đầu tư nhiều trong tương lai, các đại lý sẽ hạn chế đầu tư và dẫn đến tình trạng thiếu hụt đầu tư, tức là tất cả các đại lý thiếu động cơ đầu tư vì họ đánh giá quá cao

về các khoản đầu tư trong tương lai của đối thủ cạnh tranh

Thứ hai, bằng cách so sánh các dự báo khác nhau về sự phân

bổ công nghệ của các khoản đầu tư trong tương lai của các đối thủ cạnh tranh, có thể thấy rằng sự phân bố công nghệ giả định có thể dẫn đến sự thay đổi đáng kể trong cơ cấu nguồn điện Cụ thể hơn, đối thủ cạnh tranh càng mong đợi một loại công nghệ nào đó đầu tư vào thì đại lý càng ít đầu tư vào công nghệ này và ngược lại Hãy xem xét Nhóm 1 của Hình 10 làm ví dụ Khi tỷ lệ đầu tư dự kiến

trong tương lai vào công nghệ tải đỉnh tăng từ 20 % lên 30 % và 50

%, tỷ lệ đầu tư công nghệ tải đỉnh trong kết quả mô phỏng giảm lần

lượt từ 40,8 % xuống 36 % và 22,7 % Xu hướng tương tự cũng diễn

ra đối với các khoản đầu tư vào công nghệ tải nền Đối với công nghệ

tải lưng phức tạp hơn do tiềm năng kinh tế để đầu tư vào công nghệ

tải lưng cũng bị ảnh hưởng mạnh bởi các khoản đầu tư dự kiến vào

công nghệ tải nền và tải đỉnh

Ngoài ra, mặc dù các thông số phân bổ công suất khác nhau

thay đổi cơ cấu nguồn điện, nhưng tổng công suất vẫn không đổi

trong một cài đặt về tổng mức công suất mở rộng Nghĩa là, tổng

lượng công suất lắp đặt hoàn toàn được thúc đẩy bởi việc thiết lập

tổng lượng mở rộng dự kiến của đối thủ cạnh tranh, thay vì các đặc

điểm nội tại của mô hình

a “Đại lý cận thi Myopic agents”

b “Giảm thiểu chi phí đầu tư trong tương lai”

Hình Dự báo cơ cấu nguồn điện của đại lý đầu tiên quyết

định đầu tư trong vòng đầu tư đầu tiên trong một năm quan

trọng điển hình

Đóng góp và hạn chế

Phân tích ở trên cho thấy rằng các giả định được áp dụng bởi

các thuật toán ra quyết định đầu tư ở cấp đại lý có thể ảnh hưởng lớn

đến kết quả mô phỏng ở cấp hệ thống Cụ thể, cơ cấu nguồn điện rất

nhạy cảm với tham số Tầm nhìn tương lai (Look ahead horizon) khi sử dụng phương pháp dự báo giá “đại lý cận thị” Điều này là do phương pháp này mặc nhiên giả định rằng không có khoản đầu tư mới nào sẽ xảy ra trong tương lai và do đó sẽ phát sinh chênh lệch cung, điều này

sẽ kích hoạt các khoản đầu tư mới vào năm quan trọng của đại lý để bù đắp cho tình trạng thiếu công suất không thực tế trong tương lai xa hơn

Kiểm tra phương pháp dự báo giá “kịch bản ngoại sinh cho các khoản đầu tư trong tương lai” cho thấy rằng, các giá trị được gán cho cây kịch bản liên quan đến các khoản đầu tư của đối thủ cạnh tranh ở cấp đại lý đang chiếm ưu thế trong kết quả mô phỏng ở cấp

hệ thống Nhìn chung, hai lớp trên cây kịch bản chi phối các khía cạnh khác nhau của kết quả mô phỏng: tổng công suất lắp đặt được thúc đẩy bởi kỳ vọng về tổng đầu tư của đối thủ cạnh tranh và tỷ trọng của các loại công nghệ khác nhau chủ yếu bị ảnh hưởng bởi lớp thứ hai của cây kịch bản (tức là cách các khoản đầu tư mới của đối thủ cạnh tranh được phân bổ giữa các công nghệ) Như đã trình bày, phương pháp dự báo giá “giảm thiểu chi phí đầu tư trong tương lai” được đề xuất yêu cầu ít tham số ngoại sinh hơn (tức là cây kịch bản) và mạnh mẽ hơn đối với tham số Tầm nhìn tương lai (Look ahead horizon)

Tuy nhiên, dự báo giá mới được đề xuất và phân tích được thực hiện trong nghiên cứu này có một số hạn chế Từ quan điểm phương pháp luận, việc sử dụng kết quả thu được từ một bài toán lập kế hoạch mở rộng tổng thể để hướng dẫn việc ra quyết định đầu

tư mặc nhiên giả định rằng các đại lý đang mong đợi sự kết hợp công suất phát triển theo cách tiết kiệm chi phí Trên thực tế, thị trường điện còn phức tạp hơn Hơn nữa, lưu ý rằng phân tích được thực hiện trong một hệ thống điện được cách điệu hóa cao, nơi các đại lý

bị tước bỏ các đặc điểm khác biệt như các yếu tố hành vi Trên thực

tế, tồn tại nhiều yếu tố hành vi ảnh hưởng đến việc ra quyết định đầu

tư Việc tính toán các yếu tố này có thể làm sai lệch kết quả so với kết quả thị trường hoàn hảo và có thể giảm thiểu tác động của các giả định cơ bản của phương pháp dự báo giá hiện tại đối với kết quả của mô hình Ví dụ, việc sử dụng các đại lý không thích rủi ro có thể làm giảm độ nhạy của tham số tầm nhìn tương lai (Look ahead horizon) vì lợi nhuận không thực tế trong tương lai xa phải chịu mức chiết khấu rất cao Do đó, các phương pháp dự báo giá hiện có, nếu được tham số hóa đầy đủ, cũng có thể ước tính các kết quả thực nghiệm

Kết luận

Kết quả mô phỏng cho thấy rằng, trong một thị trường điện cô lập với các thiết lập mô hình được cách điệu hóa cao, các quyết định đầu tư được thực hiện bởi các thuật toán đầu tư hiện có rất nhạy